Correlatos cerebrales del procesamiento de caras en personas sanas

9o Coloquio Institucional de Investigación

Manuel Alejandro Mejía Ramírez
manuel.mejia@cetys.mx

Escuela de Psicología Campus Tijuana
CETYS Universidad

Mitchell Valdés-Sosa

Centro de Neurociencias de Cuba

Antonieta Bobes León

Centro de Neurociencias de Cuba

12/enero/2023

Presentación

Enlace a presentación

Resumen

El reconocimiento de las personas por medio de observar sus caras es una de las habilidades sociales más importantes. Este reconocimiento no es una habilidad monolítica, sino que se compone de al menos 2 procesos: uno consciente y uno no-consciente. Esta habilidad puede ser afectada de diferentes maneras a consecuencia de una lesión cerebral.

El estudio de sus correlatos cerebrales es un esfuerzo actualmente en desarrollo. Aunque se conocen las principales áreas cerebrales relacionadas con esta habilidad, se conoce menos sobre la manera en que éstas interactúan.

En este proyecto, exploramos un método de análisis de conectividad cerebral funcional novedoso, que permitiría identificar relaciones funcionales entre diferentes regionales cerebrales visuales, y cómo cambia esta conectividad según el procesamiento que se realice.

Este proyecto corresponde al titulado “Correlatos cerebrales del procesamiento no consciente de caras familiares en personas sanas” (#312).

Antecedentes

  1. Reconocimiento de caras sucede con dos procesos (Bruyer, 1991):
    • Consciente
    • No consciente
  1. El reconocimiento no consciente (también: reconocimiento encubierto) se ha observado claramente en pacientes, pero recientemente hemos demostrado este proceso en personas sanas (Mejia et al., 2021).
  1. Ambos tipos de reconocimiento se distinguen en la conectividad cerebral que requieren (Ellis & Lewis, 2001; Valdés-Sosa et al., 2011):
    • Consciente: ventral (ILF)
    • No consciente: medial-dorsal (IFOF)
  1. Sin embargo, la vía no consciente no está aún consensuada (Duchaine & Yovel, 2015).
  1. Una opción para estudiar esta vía es:
    • en personas sanas,
    • con imágenes de conectividad funcional,
    • en tareas de percepción de caras.
  1. Entre las opciones para realizar un análisis de conectividad funcional, aquellos que toman en cuenta los mapas retinotópicos, son particularmente de interés.
  1. Un reciente análisis de conectividad funcional considerando estos mapas retinotópicos (Nasr et al., 2021; Valdes-Sosa et al., 2022) podría ser la opción para estudiar el procesamiento no consciente de caras.

Objetivo

Explorar el análisis de datos de conectividad funcional con mapas retinotópicos durante el procesamiento perceptual de caras para caracterizar su utilidad para identificar sus correlatos cerebrales.

Hipótesis

El análisis de la conectividad funcional del procesamiento de caras con mapas retinotópicos permitirá caracterizar sus correlatos cerebrales a partir del patrón de conectividad relacionado con esos procesos.

Método

  • Análisis exploratorio de la conectividad funcional de mapas retinotópicos durante la realización de una tarea de percepción visual de caras.
  • Comparación con condiciones de percepción de otros objetos.

Participantes

Método

Datos

  • Tarea: Working Memory.
    • Diseño factorial de tarea n-back.
    • 2 condiciones de memoria: 0-back, 2-back.
    • 4 condiciones de estímulos: cuerpos, caras, lugares, herramientas.
    • 1 línea base: periodos de descanso.

Datos

  • Diseño:
    • Ensayo: 2s estímulo + 0.5s ITI.
    • Bloque: 10 ensayos (25s en total c/u).
    • Run: 8 bloques de tarea (25s) + 4 bloques de descanso (15s).
    • Total: 2 runs.

Ejemplo de bloque:

Método

Procedimiento de análisis

Preprocesamiento standard de HCP

  1. Datos estructurales.
    • Registro a espacio MNI.
  2. Datos funcionales.
    • Conversión a grayordinates con 32k vértices.

Procedimiento de análisis

Conectividad funcional

  1. Elaborar matriz con regresores de ruido.
    • Materia blanca y líquido cerebroespinal.
    • Tiempo y su derivada.
  1. GLM con condiciones principales y regresores de ruido.
    • Estimar actividad de fondo.
  1. Contraste entre condiciones.
    • Selección de vértices de V1.
    • Estimación de matrices correlaciones intra-V1.
    • Diferencias entre matrices de las 9 condiciones.
  1. Análisis de 2do nivel (grupal) del efecto de la tarea de memoria:
    • 0-back vs 2-back

Método

Resultados

Conectividad de 10 redes pre-definidas

ANOVA Table (type III tests)

              Effect  DFn     DFd      SSn      SSd       F        p p<.05
1        (Intercept) 1.00  687.00 1741.774 2799.710 427.401 3.36e-74     *
2           networks 1.79 1228.89  449.349 1224.696 252.065 2.14e-84     *
3          condition 2.95 2027.26  429.462 6386.092  46.200 1.83e-28     *
4 networks:condition 5.70 3913.03  183.312 2965.410  42.468 3.97e-48     *
    ges
1 0.115
2 0.033
3 0.031
4 0.014

Resultados

Dimensionalidad

  • Todas las tareas perceptuales tuvieron mayor dimensionalidad de la conectividad cerebral que la línea base.
  • 0-back presentó mayor dimensionalidad que 2-back
    • … excepto paras las caras.

‘Participation ratio’: cantidad de componentes de un PCA necesario para explicar más varianza que la línea base (Ito et al., 2020).

Resultados

Conclusión

  1. Dimensionalidad:
    • Procesamiento de caras con mayor dimensionalidad (2-back).
    • ¿Hay un procesamiento especial en la memoria visual de caras?
    • ¿Relación con la menor capacidad de memoria visual para caras?
  1. Conexiones interhemisféricas:
    • Caras, lugares y herramientas mostraron más que partes del cuerpo.
    • ¿Relación con la lateralidad de la parte del cuerpo mostrada?
  1. Diferencias entre caras vs escenas, y herramientas.

Siguientes pasos

  1. Análisis de mediación de la conectividad con áreas visuales superiores (Wager et al., 2008).
  2. Mixture Modelling para la selección estadísticamente apropiada de los enlaces (Bielczyk et al., 2018).
  3. Probar el análisis con mayor control de movimientos oculares.

Acknowledgments

Datos del Human Connectome Project

Data were provided (in part) by the Human Connectome Project, WU-Minn Consortium (Principal Investigators: David Van Essen and Kamil Ugurbil; 1U54MH091657) funded by the 16 NIH Institutes and Centers that support the NIH Blueprint for Neuroscience Research; and by the McDonnell Center for Systems Neuroscience at Washington University.

Financiamiento

Este proyecto ha sido financiado por la Convocatoria Institucional de Investigación de CETYS Universidad (Proyecto #312).

Recursos

Este proyecto ha tenido apoyo de los recursos del Centro de Neurociencias de Cuba.

Referencias

Correlatos cerebrales del procesamiento de caras (Proyecto #312)

Barch, D. M., Burgess, G. C., Harms, M. P., Petersen, S. E., Schlaggar, B. L., Corbetta, M., Glasser, M. F., Curtiss, S., Dixit, S., Feldt, C., Nolan, D., Bryant, E., Hartley, T., Footer, O., Bjork, J. M., Poldrack, R., Smith, S., Johansen-Berg, H., Snyder, A. Z., & Van Essen, D. C. (2013). Function in the human connectome: Task-fMRI and individual differences in behavior. NeuroImage, 80, 169-189. https://doi.org/10.1016/j.neuroimage.2013.05.033
Bielczyk, N. Z., Walocha, F., Ebel, P. W., Haak, K. V., Llera, A., Buitelaar, J. K., Glennon, J. C., & Beckmann, C. F. (2018). Thresholding functional connectomes by means of mixture modeling. NeuroImage, 171, 402-414. https://doi.org/10.1016/j.neuroimage.2018.01.003
Bruyer, R. (1991). Covert Face Recognition in Prosopagnosia: A Review. Brain and Cognition, 15, 223-235.
Duchaine, B., & Yovel, G. (2015). A Revised Neural Framework for Face Processing. Annual Review of Vision Science, 1(1), 393-416. https://doi.org/10.1146/annurev-vision-082114-035518
Ellis, H. D., & Lewis, M. B. (2001). Capgras delusion: A window on face recognition. Trends in Cognitive Sciences, 5(4), 149-156. https://doi.org/10.1016/S1364-6613(00)01620-X
Ito, T., Brincat, S. L., Siegel, M., Mill, R. D., He, B. J., Miller, E. K., Rotstein, H. G., & Cole, M. W. (2020). Task-evoked activity quenches neural correlations and variability across cortical areas. PLOS Computational Biology, 16(8), e1007983. https://doi.org/10.1371/journal.pcbi.1007983
Mejia, M., Valdes-Sosa, M., & Bobes-Leon, A. (2021). 62nd Annual Meeting of the Psychonomic Society. 27.
Nasr, S., Kleinfeld, D., & Polimeni, J. R. (2021). The Global Configuration of Visual Stimuli Alters Co-Fluctuations of Cross-Hemispheric Human Brain Activity. The Journal of Neuroscience, 41(47), 9756-9766. https://doi.org/10.1523/JNEUROSCI.3214-20.2021
Valdes-Sosa, M., Ontivero-Ortega, M., Iglesias-Fuster, J., Lage-Castellanos, A., Galan-Garcia, L., & Valdes-Sosa, P. (2022). Co-fluctuations of neural activity define intra-V1 networks related to perceptual organization. https://doi.org/10.1101/2022.08.22.504869
Valdés-Sosa, M., Bobes, M. A., Quiñones, I., Garcia, L., Valdes-Hernandez, P. A., Iturria, Y., Melie-Garcia, L., Lopera, F., & Asencio, J. (2011). Covert face recognition without the fusiform-temporal pathways. NeuroImage, 57(3), 1162-1176. https://doi.org/10.1016/j.neuroimage.2011.04.057
Van Essen, D. C., Ugurbil, K., Auerbach, E., Barch, D., Behrens, T. E. J., Bucholz, R., Chang, A., Chen, L., Corbetta, M., Curtiss, S. W., Della Penna, S., Feinberg, D., Glasser, M. F., Harel, N., Heath, A. C., Larson-Prior, L., Marcus, D., Michalareas, G., Moeller, S., … Yacoub, E. (2012). The Human Connectome Project: A data acquisition perspective. NeuroImage, 62(4), 2222-2231. https://doi.org/10.1016/j.neuroimage.2012.02.018
Wager, T. D., Davidson, M. L., Hughes, B. L., Lindquist, M. A., & Ochsner, K. N. (2008). Prefrontal-Subcortical Pathways Mediating Successful Emotion Regulation. Neuron, 59(6), 1037-1050. https://doi.org/10.1016/j.neuron.2008.09.006